Manshika Charvi Bissessur 团队提出 CoLAT 框架

针对图神经网络在标签投毒场景下易受攻击且现有防御手段不足的问题，研究人员提出 CoLAT（Contrastive Label-flipping for Adversarial Training）框架。该框架由 Manshika Charvi Bissessur 等人研发，旨在通过引入对比对抗训练机制，专门提升图结构中节点分类任务的鲁棒性。目前，该成果已作为学术论文发布在 arXiv 平台的机器学习领域（cs.lg），正式确立了一种面向图数据对抗防御的新方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。